XSignalsBot

XSignalsBot — to skalowalny ekosystem do automatycznego handlu, zaprojektowany do pozyskiwania, analizy i realizacji sygnałów handlowych w czasie rzeczywistym. Projekt łączy w sobie złożony system agregacji danych, analityki AI oraz autonomicznego wykonania transakcji.

Architektura systemu
System zbudowany jest na zasadach Clean Architecture oraz modelu Event-Driven. Wykorzystanie szyny danych (RabbitMQ) pozwala na całkowite oddzielenie procesu zbierania danych od realizacji transakcji. Zapewnia to wysoką odporność na awarie: jeśli jeden komponent systemu jest przeciążony, inne działają niezależnie.

Kluczowe mechanizmy
Inteligentna agregacja i "weryfikacja uczciwości": System parsuje zewnętrzne kanały Telegram, ale nie tylko transmituje sygnały, lecz prowadzi ich stały monitoring. Każdy sygnał przechodzi wewnętrzną weryfikację — system oblicza "uczciwość" oraz jakość źródła, wykluczając wątpliwe sygnały z dalszej obróbki.

Interfejs użytkownika i abstrakcja źródeł: Bot Telegram działa jako główny interfejs, który dostarcza użytkownikowi czystą analitykę oraz wyniki handlu. Przy tym system ukrywa wewnętrzną strukturę źródeł, zapewniając poufność oraz ochronę logiki działania algorytmów.

Elastyczny system wykonania (Live vs Paper Trading): Projekt wspiera bezproblemowe przejście między rzeczywistymi transakcjami (Real Trade Bot) a trybem demo (Paper Trading). Umożliwia to testowanie strategii handlowych na rzeczywistych danych rynkowych bez ryzyka finansowego, zachowując pełną tożsamość algorytmów przetwarzania sygnałów.

Orkiestracja sygnałów: Proces od otrzymania wiadomości do otwarcia transakcji jest koordynowany według wzorca Orchestrator. Gwarantuje to spójność etapów: walidacja, wzbogacenie AI, zarządzanie ryzykiem oraz finalne wykonanie przez API giełdowe.

Stos technologiczny
Projekt oparty jest na Pythonie 3.11+ z naciskiem na programowanie asynchroniczne (asyncio / aio-pika). Część backendowa zrealizowana jest na FastAPI, co zapewnia wysoką szybkość przetwarzania zdarzeń. Do przechowywania stanów transakcji oraz użytkowników używana jest PostgreSQL (przez SQLAlchemy 2.0 Async), a do szybkiego dostępu do danych — Redis. Konteneryzacja w Dockerze zapewnia łatwe wdrażanie oraz skalowanie całej infrastruktury.

Skalowalność
Architektura pozwala na poziome skalowanie: przy zwiększonym obciążeniu można łatwo dodać oddzielne instancje botów dla różnych grup handlowych lub strategii. Każda część systemu — od parserów po wykonawców — jest izolowana, co czyni projekt odpowiednim do pracy z dużymi wolumenami danych w trybie 24/7.

Szczegóły w repozytorium GitHub:
https://github.com/floyse-back/XSignalsBot-overview/blob/main/README.md